使用df.itertuples()和列名访问pandas单元格值出现AttributeError如何解决

你写row.col时，Python会直接尝试访问row这个namedtuple对象中名为col的属性，而不会把你定义的col变量的实际值作为属性名去查找。你的行对象中只有对应列名的属性，不存在名为col的属性，因此抛出AttributeError。
额外说明：如果你的列名是数字、包含特殊字符等不符合Python变量命名规范的内容，pandas生成namedtuple时会自动对列名做转义（比如列名1会被转为_1），直接用原始列名做属性名访问也会出错。

所有方案运行速度均远高于iterrows()，适配列数多、无法提前获知列名的场景。

方案1：用getattr动态获取属性（代码修改量最小） #

通过getattr方法动态传入属性名取值，针对数字列名自动处理转义规则即可：

for row in input_df.itertuples():
    print(row.Index)
    for col in input_df.columns:
        # 数字列名转义后前缀会加下划线，非数字列名直接用原始值
        attr_name = f"_{col}" if isinstance(col, int) else col
        print(getattr(row, attr_name))

方案2：返回普通元组遍历（速度最快、兼容性最好） #

调用itertuples时设置name=None，会返回普通元组而非namedtuple，第一位是索引值，后续元素按列顺序排列，提前生成列名到位置的映射即可避免属性名转义问题：

# 提前生成列名到元组位置的映射，避免循环中重复计算
col_pos_map = {col: idx+1 for idx, col in enumerate(input_df.columns)}
for row in input_df.itertuples(name=None):
    # 元组第一位为索引值
    print(row[0])
    for col in col_pos_map:
        print(row[col_pos_map[col]])

方案3：转为字典遍历（写法最直观） #

如果习惯键值对取值逻辑，可以用to_dict方法转为字典列表，配合索引遍历：

for idx, row_data in zip(input_df.index, input_df.to_dict("records")):
    print(idx)
    for col in input_df.columns:
        print(row_data[col])

内容的提问来源于stack exchange，提问作者Ritu